論文の概要: Multi-task learning for joint weakly-supervised segmentation and aortic
arch anomaly classification in fetal cardiac MRI
- arxiv url: http://arxiv.org/abs/2311.07234v1
- Date: Mon, 13 Nov 2023 10:54:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-14 14:52:16.171482
- Title: Multi-task learning for joint weakly-supervised segmentation and aortic
arch anomaly classification in fetal cardiac MRI
- Title（参考訳）: 胎児心MRIにおけるマルチタスクラーニングによる関節温存分節と大動脈弓異常分類
- Authors: Paula Ramirez, Alena Uus, Milou P.M. van Poppel, Irina Grigorescu,
Johannes K. Steinweg, David F.A. Lloyd, Kuberan Pushparajah, Andrew P. King,
Maria Deprez
- Abstract要約: 3D Black blood T2w MRIによる胎児血管分割の自動化と異常分類のための枠組みを提案する。
右大動脈弓部,右大動脈弓部,大動脈解離の疑いを主訴に来院した。
実験の結果,提案した学習戦略はラベルの伝播と,伝播ラベルのみに特化して訓練されたネットワークを著しく上回ることがわかった。
- 参考スコア（独自算出の注目度）: 2.7962860265843563
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Congenital Heart Disease (CHD) is a group of cardiac malformations present
already during fetal life, representing the prevailing category of birth
defects globally. Our aim in this study is to aid 3D fetal vessel topology
visualisation in aortic arch anomalies, a group which encompasses a range of
conditions with significant anatomical heterogeneity. We present a multi-task
framework for automated multi-class fetal vessel segmentation from 3D black
blood T2w MRI and anomaly classification. Our training data consists of binary
manual segmentation masks of the cardiac vessels' region in individual subjects
and fully-labelled anomaly-specific population atlases. Our framework combines
deep learning label propagation using VoxelMorph with 3D Attention U-Net
segmentation and DenseNet121 anomaly classification. We target 11 cardiac
vessels and three distinct aortic arch anomalies, including double aortic arch,
right aortic arch, and suspected coarctation of the aorta. We incorporate an
anomaly classifier into our segmentation pipeline, delivering a multi-task
framework with the primary motivation of correcting topological inaccuracies of
the segmentation. The hypothesis is that the multi-task approach will encourage
the segmenter network to learn anomaly-specific features. As a secondary
motivation, an automated diagnosis tool may have the potential to enhance
diagnostic confidence in a decision support setting. Our results showcase that
our proposed training strategy significantly outperforms label propagation and
a network trained exclusively on propagated labels. Our classifier outperforms
a classifier trained exclusively on T2w volume images, with an average balanced
accuracy of 0.99 (0.01) after joint training. Adding a classifier improves the
anatomical and topological accuracy of all correctly classified double aortic
arch subjects.
- Abstract（参考訳）: 先天性心疾患(英: Congenital Heart Disease、CHD)は、胎児期において既に存在している心臓奇形の一種で、世界中で流行している出生欠陥のカテゴリーである。
本研究の目的は,大動脈弓奇形における3次元胎児血管トポロジーの可視化を支援することである。
本稿では,3d黒血t2w mriと異常分類による胎児血管自動分割のためのマルチタスクフレームワークを提案する。
トレーニングデータは,各被験者の心臓血管領域の2つの手動セグメンテーションマスクと,異常特異的集団アトラスからなる。
我々のフレームワークは、VoxelMorphを用いたディープラーニングラベルの伝搬と、3次元注意U-NetセグメンテーションとDenseNet121異常分類を組み合わせた。
11の心臓血管と3つの異なる大動脈弓奇形を標的とし, 大動脈弓, 右大動脈弓, 大動脈の結束を疑った。
セグメンテーションパイプラインに異常分類器を組み込み、セグメンテーションのトポロジカルな不正確性を修正する主な動機を持つマルチタスクフレームワークを提供します。
マルチタスクアプローチは、セグメンタネットワークに異常特有の特徴を学ぶように促す、という仮説だ。
第2の動機として、自動診断ツールは、意思決定支援設定における診断信頼性を高める可能性がある。
その結果,提案手法はラベル伝播を著しく上回り,伝播ラベルのみを訓練したネットワークを上回った。
分類器はt2wボリューム画像のみを訓練した分類器を上回り,共同訓練後の平均平衡精度0.99 (0.01) である。
分類器を追加することで、正しく分類された2つの大動脈弓部の解剖学的およびトポロジカルな精度が向上する。
関連論文リスト
- Cross-Database and Cross-Channel ECG Arrhythmia Heartbeat Classification
Based on Unsupervised Domain Adaptation [0.0]
ドメイン間の特徴差の最適化に基づくドメイン適応型ディープネットワークを提案する。
本手法は,事前学習,クラスタ中心計算,適応の3段階からなる。
提案手法は, 異所性ビート検出における他の最先端手法と比較して, 優れた性能を実現する。
論文 参考訳（メタデータ） (2023-06-07T13:46:49Z) - Dual Multi-scale Mean Teacher Network for Semi-supervised Infection
Segmentation in Chest CT Volume for COVID-19 [76.51091445670596]
CT(Computed tomography)データから肺感染症を自動的に検出することは、COVID-19と戦う上で重要な役割を担っている。
現在の新型コロナウイルス感染症のセグメンテーションのほとんどは、主に3Dシーケンシャルな制約を欠いた2D CT画像に依存している。
既存の3次元CTセグメンテーション法では,3次元ボリュームにおける複数レベルの受容場サイズを達成できない単一スケールの表現に焦点が当てられている。
論文 参考訳（メタデータ） (2022-11-10T13:11:21Z) - Mine yOur owN Anatomy: Revisiting Medical Image Segmentation with Extremely Limited Labels [54.58539616385138]
我々は、Mine yOur owN Anatomy (MONA) と呼ばれる、新しい半教師付き2次元医用画像セグメンテーションフレームワークを紹介する。
まず、先行研究では、すべてのピクセルがモデルトレーニングに等しく重要であると論じており、我々はこの1つだけで意味のある解剖学的特徴を定義できないことを経験的に観察している。
第2に,医療画像を解剖学的特徴の集合に分解できるモデルを構築する。
論文 参考訳（メタデータ） (2022-09-27T15:50:31Z) - Supervised Contrastive Learning to Classify Paranasal Anomalies in the
Maxillary Sinus [43.850343556811275]
深層学習技術を用いて,MRI画像から副鼻腔系の異常を自動的に検出できる。
副鼻腔奇形分類における既存の深層学習法は、少なくとも1つの異常を診断するために用いられてきた。
コントラスト損失とクロスエントロピー損失を組み合わせた新しい学習パラダイムを提案する。
論文 参考訳（メタデータ） (2022-09-05T12:31:28Z) - Building Brains: Subvolume Recombination for Data Augmentation in Large
Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。
そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。
拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文 参考訳（メタデータ） (2022-05-05T10:31:57Z) - A Deep Learning Approach to Predicting Collateral Flow in Stroke
Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。
実際のグレーティングは主に、取得した画像の手動検査によって行われる。
MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文 参考訳（メタデータ） (2021-10-24T18:58:40Z) - Cross-Site Severity Assessment of COVID-19 from CT Images via Domain
Adaptation [64.59521853145368]
CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。
ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。
この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
論文 参考訳（メタデータ） (2021-09-08T07:56:51Z) - Learning to Address Intra-segment Misclassification in Retinal Imaging [3.552155712390612]
マルチクラスセグメンテーションを複数のバイナリに分解する新しいアプローチを提案し、次にバイナリ-マルチクラス融合ネットワークを提案する。
このネットワークは動脈,静脈,マルチクラスの特徴マップの表現をマージし,それぞれが専門的な血管アノテーションによって教師される。
その結果, DRIVE-AV, LES-AV, HRF-AVの3つの深層学習手法と比較し, F1スコアを4.4%, 5.1%, 4.2%向上させた。
論文 参考訳（メタデータ） (2021-04-25T11:57:26Z) - An anatomically-informed 3D CNN for brain aneurysm classification with
weak labels [0.2010294990327175]
弱いラベルを持つパッチワイドバイナリ分類として脳動脈瘤検出の課題に対処する。
当社のアプローチは,データセット生成の非自明な課題に端を発しています。
本稿では,マルチスケール・マルチインプット3D畳み込みニューラルネットワークを用いた新しい解剖学的手法を提案する。
論文 参考訳（メタデータ） (2020-11-27T08:00:54Z) - Grading the Severity of Arteriolosclerosis from Retinal Arterio-venous
Crossing Patterns [27.867833878756553]
網膜動静脈交差状態は,動脈硬化症および全身性高血圧症の臨床的評価において極めて重要である。
医用画像診断における最初期の試みの一つである診断プロセスを支援するための深層学習手法を提案する。
論文 参考訳（メタデータ） (2020-11-07T13:15:17Z) - Hybrid Attention for Automatic Segmentation of Whole Fetal Head in
Prenatal Ultrasound Volumes [52.53375964591765]
胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。
セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。
次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
論文 参考訳（メタデータ） (2020-04-28T14:43:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。